问题标签 [covariogram]

如果可能的话，有谁知道在 Python 中计算经验/样本协变函数的好方法？

这是一本书的屏幕截图，其中包含协方差图的良好定义：

如果我理解正确，对于给定的滞后/宽度 h，我应该得到由 h（或小于 h）分隔的所有点对，乘以它的值，然后对于这些点中的每一个，计算它的平均值，在这种情况下，定义为 m(x_i)。但是，根据 m(x_{i}) 的定义，如果我想计算 m(x1)，我需要获得距离 x1 距离 h 内的值的平均值。这看起来像一个非常密集的计算。

首先，我是否正确理解这一点？如果是这样，假设二维空间计算这个的好方法是什么？我尝试用 Python 编写代码（使用 numpy 和 pandas），但这需要几秒钟，我什至不确定它是否正确，这就是为什么我不会在此处发布代码的原因。这是另一个非常天真的实现的尝试：

但是，现在我已经确认我的代码中有错误。我知道，因为我使用变异函数来计算协变异函数（covariogram(h) = covariogram(0) - variogram(h)），我得到了一个不同的图：

它应该看起来像这样：

最后，如果您知道用于计算经验协变函数的 Python/R/MATLAB 库，请告诉我。至少，这样我可以验证我做了什么。

我正在处理每小时的气温数据集，该数据集在相对较小的区域内约 200 个站点记录。我选择了一个时空变异函数（例如总和度量）来拟合我的数据，现在我正在尝试对我的相同站点进行预测，以填补 NA（缺失值）空白。在每日汇总数据上使用 krigeST() 函数时，一切似乎都很顺利，但是当我以原始每小时分辨率使用它时，我总是收到以下错误：

我用谷歌搜索，发现它与一个不完全正定的矩阵有关。但是，我不确定为什么会发生这种情况，并且想知道你们中是否有人知道解决此问题的方法（避免它的解决方法）。

随着样本量的增加，我想绘制可变数量的点。然而，由于某种原因，“变异函数”函数每次只绘制 15 个点。

我检查以确保我传递的“变异函数”数据的大小是正确变化的——确实如此。

#f25 的长度为 25 - 我检查了 #

两个原始变异函数仅绘制 15 个点。有谁知道为什么？我不认为这是默认设置。

我正在使用geoR包进行降雨空间插值。我不得不说我对地统计学很陌生。感谢 youtube 上的一些视频教程，我理解了（嗯，我想是的）变异函数背后的理论。根据我的理解，对的数量应该随着滞后距离的增加而减少。例如，如果我们考虑一个 100m 长的延伸（例如 100m 长的河床横截面），5m 滞后的对数为 20，10m 滞后的对数为 10，依此类推。但是我对包中variog函数的输出有点困惑。geoR下面给出一个例子

这是我的数据集，其中a是我的变量（降雨强度）并且x, y是点的坐标。变异函数计算如下所示

在哪里

u：带距离的向量。

v：在 u 中给出的距离处具有估计的变异函数值的向量。

n：每个 bin 中的对数

据此，对数 (n) 具有随机模式，而相应的滞后距离 (u) 正在增加。我觉得很难理解这一点。谁能解释发生了什么？此外，由于我是地统计学新手，因此非常感谢任何改进此应用程序的变异函数计算（降雨强度的空间插值）的建议/建议。提前致谢。

我有 33 个来自传感设备的 SO2 读数，这些设备安装在一个大区域的 33 个位置（每个城市一次观测）。样本量是固定的，不能因安装的设备数量而增加。现在（地理）-统计上它是一个相当小的样本，因为许多作者指出样本量应该在 100-150 之间以获得可靠的变异函数。有人可以指导我如何处理这么小的数据吗？此外，它实际上将是一个时空分析，但在每个时间瞬间又有 33 个观测值。我真正想问的是，增加区域大小（分辨率），而整体样本点的数量仍然保持不变，对变异函数估计有什么影响？

我想发布一张图片，但没有足够的声誉。

在上述两种情况下，不同对之间的相对距离仍然保持不变。这就是 dist(z_1, z_2)/dist(z_2, z_3) 在两个尺度上保持不变。

我想从 R 中的一些半方差数据创建一个变异函数拟合。

我意识到变异函数拟合需要一个由 vgm 生成的对象，以及由变异函数生成的 raw.vgm，例如：

但是，如果我已经有了 gamma（半方差）和距离值，我如何从中获取 gstat 对象？

以下引发错误：

错误如下：

我只有伽玛和距离滞后。如何创建 gstatVariogram 或 variogramCloud？谢谢。

我有一个 csv 文件文件，其中包含 3 月 1 日下午 12 点的大气 PM10 浓度数据。请下载。我想在 R 中使用 gstat 包绘制半变异函数。我尝试在 R 中编写这些代码。但是有了这些数据，我无法拟合模型。

实际上我是 R 和统计学的初学者。所以，我什至对变异函数也一无所知。我有一些疑问：

a）当我将数据绘制为半变异函数时，它看起来与典型的半变异函数不同！为什么会这样？我应该对我的数据做任何其他事情，比如转换吗？

b）我怎样才能用这些数据拟合模型？我尝试过不同的模型，如“Sph”、“Exp”，但它们看起来像线性的！为什么？

c）我如何理解我应该在vgm()函数中使用什么初始值？

d) 我如何理解该模型与数据正确匹配？

e）对于使用克里金法，我应该绘制什么样的半变异函数？只有全向半变异函数？或者我应该绘制方向半变异函数？

f）我如何解释半变异函数？我的意思是我实际上能理解半变异函数的数据吗？

提前致谢。

我想知道当我选择它作为球形模型时，使用哪些方程组来拟合实验变异函数。例如，我使用了球形模型的以下参数：

这里，基台方差，c = 5384.34 + 9042.06 = 14426.41；和范围，a = 944.9017。球形模型由以下等式解释（书名：Geostatistics for Environmental Scientists）：

其中，h = 距离；因此，如果我使用上述方程在已知距离“h”的情况下插入值“a”和“c”，则坐标（h，变异函数）应该落在模型上。不幸的是，对于不同的 h 值，它不会这样做！是否有可能知道在“gstat”包中的不同模型（球形、指数等）的情况下使用了哪些方程组？

我需要从栅格层计算窗台、范围和金块。我已经探索了 gstat、usdm 包，可以在其中创建变异函数，但是我找不到给定栅格图层的函数将估计这些参数。在大多数函数中，必须定义这些参数，例如。克里金。

我有不同高度的栅格数据层，看起来类似于

我想从拟合到这些数据层的半变异函数参数中获取窗台、块金和范围，以创建类似于以下的图：

原始数据层在此处以多波段 tiff 的形式提供。这是本文中的一个图，进一步说明了这个概念。

我尝试在 R 中绘制变异函数。当我运行以下代码时：

我收到一个错误：

xy.coords(x, y, xlabel, ylabel, log) 中的错误：“x”是一个列表，但没有组件“x”和“y”